期刊、论文还会是未来学术出版的唯一途径吗?

期刊、论文还会是

未来学术出版的唯一途径吗

来源 |   Nature自然科研

作者 | Jason Priem

Henry Oldenburg 于1665 年创办了第一份科学期刊，目的很简单，即利用当时正在兴起的传播技术-- 印刷机来促进学术知识的传播。期刊相比于当时利用写信进行学术交流的方式是一种极大的进步，并最终取代了信件形式的学术交流。但它也是有代价的：科研人员再也不能完整阅读某人发给他们的全部内容；已有的信息过滤机制失效。

为了解决这个问题，同行评议和编辑审稿这两个环节成为新的过滤机制，并且在二战后的科学大繁荣时期日益标准化。这种同行评议体系通过一种代理机制来进行学术成果的业内评价：任命编委会、编辑、同行评议专家代表学术界去进行学术成果的评判。

然而，现在我们正处于朝另一种学术交流体系过渡的时期，这种新的学术交流体系通过网络技术极大地提升了传播能力。期刊可以产生单一的、正式的产品（即论文），而网络却可以产生全范围的学术成果。论文试图通过对科研过程的凝炼在一定程度上展示学术过程的某些片段；而网络则开启了研究的窗口，从研究一开始就去展示和传播学术，消除了学术研究过程和学术成果之间的人为界限。在未来十年，这些开放窗口将会带来强大的线上过滤和评审机制，这些机制将会通过算法来提炼学术界的影响力判断。

现状

多元化学术成果的趋势已经显现。现在，科研人员们在知识库中分享研究数据，例如GenBank、Dryad 和figshare； 科研人员还利用GitHub 等知识库来共享代码、分析、甚至那些把预加载数据、分析和语言自动组织起来的可执行论文；他们以添加博客、交互式图表和视频等方式挑战传统的论文格式；或许最值得关注的是，研究人员正在将非正式学术对话从休息室搬到Twitter等社交媒体平台上。在未来十年中，因为不断提高的网络价值和担心被排除在重要的学术对话之外，大多数研究人员都会加入到这类网络中。

从论文本位到网络本位的转变产生了三个重要结果。

第一，学术信息流呈现出量级化增加，导致基于论文的质量过滤体系失效。与期刊论文类似，网络本位学术成果的质量也参差不齐，需要过滤；与期刊论文不同的是，这些学术成果的规模巨大，无法进行人工管理。上世纪90 年代末，诸如Yahoo! 等商业性互联网服务证明，聘请专家来人工创建网页导航列表在网络规模上完全失败；对学术资源进行人工管理的命运也同样如此。

第二，网络时代正在逐渐显现正式学术结构下的思想火花。学术资源的流动常常体现为一个个数据点：figshare 中的观点，在Twitter 中与同行讨论的问题，

在Zotero 或Mendeley 等文献管理器中所保存的参考资料，在开放获取预印本论文中的引用文献，或者在“Faculty of1000”中做出的推荐，等等。我们可以使用这些以及其它体现研究影响力的工具，生成新的学术影响力评价体系。根据这些替代型的指标或者称作“altmetrics”，我们可以勾画出新的学术贡献分布图，这比以往的方法更为精确、统一和详细。突然间，原来只有通过引用数据来描述的知识关联，可以通过新的方式来展示。在网络时代，学术研究可以留下丰富的印记。

第三个结果与第二点有关。编辑和审稿专家作为学术评估的代理人，将被学术界本身的聚合性集体评价机制所代替。信息过载问题也提供了自己的解决方法。这就是网络最伟大的过滤机制Google背后的力量。当Yahoo! 向网络提供源于文本时代的专家管理方式时，Google正在聚合网络结构中固有的集体性权威评判。Google 的PageRank 算法对权威来源的超链接赋予更高的权重。为了发现权威性来源，对每个来源的入站链接也使用了同样的算法。这种简单的循环算法已经证明是非常高效且需要最少程度人工干预的算法。它只是简单地利用了学术界已经做出的质量评价，这种质量评价隐含在是否链接到其它页面的决定中。这种核心方法也将是未来的主要学术交流方式。

未来

今天的出版狭窄渠道将会由被建立在开放数据和不断发展的标准这一核心基础设施上的一组去中心化的、可以共用服务所取代，就像网络本身（参见“重建出版业”）。这种去期刊化机制可以随时随地进行出版，产生的研究成果将经历专家群体的集体评判，同时支持迅速、细致的过滤和持续、有意义的评价。

传播：随着平滑、快速的网络传播在研究过程中迅速普及，“预出版”的概念将会被遗忘。对话、数据集、分析和描述等科研信息在出现时就已“出版”。许多研究者已经开始参与这种“开放实验记录的科研”活动。例如，著名的生物学家Carl Boettiger 描述了他一天的研究，并随时提供工作过程中的代码、分析和记录；化学家Jean-Claude Bradley 在宾州费城德雷塞尔大学的实验室，以几乎实时的方式发布他的所有研究成果。新工具正在不断涌现来支持这种“早期分享、时时分享”方式。例如，期刊Push 让研究者不断增加论文内容，论文的每个版本都被记录并能够开放获取，以供人们进行持续性评论和合作（参见http://push.cwcon.org）。

数据来源：Priem et al.

数据、表格、图片、参考文献列表等作为一篇论文的传统组成部分，已经被分解和融合到时时更新的网站信息流中，分解之后，将会留下论文的核心-- 研究故事。作者将会像写博客一样来创作他们的研究故事：凝练、快速，以及深度依赖整个学术界已发表的数据、分析和工具。这些研究故事将发扬传统论文的合成和叙事功能。就像所有去期刊化产品一样，它们可以开放使用、大量存储、容易确认作者，并且封装在一个具有链接、评论、引文、注释、讨论、存档以及其它交互功能的开放网络中。

认证：作者将通过多种认证途径为其研究成果进行认证。一些特殊成果，例如每日的实验结果，可能没有认证的必要，因为它们的使用往往被局限于狭窄的研究子领域内，这些子领域中的研究人员有能力也愿意使用这些未过滤的数据。对于面向更广泛受众的研究成果，作者将会依靠算法过滤器向其他人宣传他们的工作。例如期刊The Journal of Digital Humanities，它并不接受投稿，而是从相对晦涩的博客和网页上选取已经在网络上出版的最佳内容。重要的是，这种选择过程高度依赖替代型的影响指标（类似网页浏览量、tweets 数量和转发数量）作为人工管理前的第一轮过滤工具。

相似地，类似MathOverflow 这样的论坛也采用学术界投票来升高或者降低内容的排名。许多MathOverflow 的帖子被同行评议的数学论文引用，而且一些数学家已经开始把较高的MathOverflow 声誉评分作为高学术水平的象征。定性化同行评议将逐渐公开，并且成为另一种公共学术成果—包括它们自己的替代型指标、引用甚至其它同行评论意见等。评审人员将会发生质变，从守门人转变为对话者与合作者。

类似Rubriq 这样的新兴服务已经在提供“独立的同行评议”，向作者销售这种评议工具来提升他们的研究工作并帮助他们发现最佳读者群。同行评议正在从老朽的纸本印刷机中解脱出来，许多初创公司将会提供其它创新性工具。有的致力于统计型评价或者审稿，有的帮助快速发表。许多服务会提供源于替代型指标的自动评议，同时也有人会使用现有的期刊品牌进行服务。

作者将会根据不同产品和用途来选择最佳的服务，像嘉年华勋章那样将各类证明钉在它们的产品网页上。例如，一篇论文可能从《自然》获得“B+”的评分，从统计型评价服务商获得“统计方法十分严格”的证明，或者从一个替代型指标集成商获得“高阅读量或高影响力”的证明。

过滤：如果要汇集这些网络化的学术信息，读者需要依赖个性化推荐引擎，结合各类替代型指标和定性化评论，产生定制和可管理的信息流。想象一下，每天早上您可以从个人过滤服务中获得一封包括当天最需要阅读的五条重大新闻的邮件。假如内容仅来自您所关注的最狭窄的领域，例如“雷翅鱼内毒素的进化”，相对来说可以不用过滤，就像一些简单的RSS定制那样。

在这样细分的领域中，信息匮乏与信息过载一样麻烦，这时您希望获得有关合作者和竞争者的一切信息。当你的关注范围不断扩大，比方说，先是有毒鱼类、鱼类、然后是海洋生物学，你需要不断过滤掉许多内容：您将只看到在各个专业子领域被其研究群体阅读、讨论、存档、引用和推荐的研究成果。系统通过与你进行互动来学习（如同Google 已经做到的），不断提升信息推荐能力，而且还可以从你有限的领域之外、按照一定比例向你推荐意外内容让您能够获得意外发现。有了这种系统，为何还要费力去阅读期刊呢？

奖励：学术研究的奖励机制也将改变。建立在诸如ImpactStory（本文作者是其创建者之一）这样的工具之上，研究人员的个人研究履历将从原来的静态列表转变为能够实时展示研究成果各方面影响力的透明的、统一的计量体系。渴望获得最大研究投资回报的资助机构将要求受资助者提供更多的基于网络的学术成果。例如，美国自然科学基金会（NSF）已开始要求申请者在申请书中的个人信息部分列出其他类型的研究成果（不仅仅是论文）。随着积极采用这些指标、并得到奖励回报的研究者们开始讲述使用数据来证明各类研究成果影响力的引人信服的故事，开放的替代性指标的广泛可获得性将会推动这种趋势。

终身教职评审委员会和聘任委员会也将越来越积极地采纳这些指标。最终，科学评价本身将科学地进行，用有意义的提炼整个学术界的评估意见来代替之前充满随意性、偏见和个人色彩的机制。我们可以开始想象，一个院系就像一个运动队，有充足的互补位置，例如理论家、方法论者、教育者、公共交流者、申请书撰写者等等。

未来我们将看到，评审人员将上演学术版的“点球成金”（Moneyball,有关美国职业棒球大联盟的统计方法）：与试图完全用球星来组建球队不同，我们将利用各种细致入微的影响力数据，构建由不同专家组成的团队，团队的能力超过各个专家能力的总和。届时，我们将会怀疑传统纸本期刊缓慢、粗糙的评价机制如何能够完成有意义的评价。

同行评议期刊是有着350 多年历史的不断完善的产品，在纸本时代已倾尽了最大可能呈现最好的效果。但是，网络以势不可挡的姿态改变了我们的信息环境，不再是适合期刊发展的栖息地。

未来十年我们将看到期刊的迅速枯萎，见证网络和网站世界中各类交流形式的爆炸式增长。尽管它们中的大多数终将失败，例如我们已经看到的数十种“在线期刊俱乐部”和“科学版Facebook”的失败；许多都已经变为空荡荡的废墟。但是批评这些早期失败的系统的人们却忽视了一点：在二十世纪初，有100 多家汽车制造商；到二十世纪中期，只剩下十几家，但正是这十几家找到了正确的方向。类似地，也能够预见到：来自于研究者渴望了解相关信息的巨大选择压力将推动认证、推荐、评价系统的迅速发展。

问题

学术信息交流的新时代将带来新的挑战。最严重的问题之一是要欺骗我们依赖的过滤算法非常简单。例如，如何制止我邀请朋友或学生对我的新论文加tweet、阅读和存档？有几家公司已经开始出卖社交媒体上的粉丝关注度和喜好程度。我是否需要把资助经费花在这类作假上以便参与竞争？

当然，任何计量体系都会有人来作假，引文系统也一样。但由于替代性计量指标的多样性和数据规模，使得这些指标不像看起来那么简单就可以作假。对一个计量指标作假比较容易，但要干预数十种指标就不那么容易了。例如，有很高tweet量但没有下载量的学术成果可能会让人怀疑。不光人类能够发现此类异常，如果有充足的数据，机器也能在常规使用模式下出色地发现这些差异。例如：信用卡公司使用取证算法可以抓住信用卡号窃贼。不断改进的模式检测算法也确保了Google检索结果和在线广告点击率数据的可靠性，而二者都是黑客拼命作假的对象。学术环境下的这些防卫工作同样重要：社会科学研究网络和PLoS 已经在下载量统计方面有效地使用了防护算法（参见：go.nature.com/binjfk）。

第二种批评是科学影响力的量化理念具有误导性。其实并非如此。科研人员常常寻找数值型数据来解释一切：从亚原子物理到对莫扎特的喜爱倾向；因此，我们不能坚称我们对科学影响力的认识是一个例外。最终评判学术质量的还是学术界，而学术界的评判是用行动表现出来的，这些行动是可以测量的。唯一要做的是找到一个好的测量方法，替代我们现在所依赖的缓慢、笨拙和存在误导性的方法。学术研究向网络的大迁移能够帮助我们完成这件事。

最后一个疑虑是：在寻求群体智慧的过程中，是否会走向暴民统治？众包性学术活动是否会被一群没有学术贡献但又喜好议论学术的人所控制？

在这里我们必须首先记住，学术研究一直是一项群体性事业，由专家共识所驱动。所以，问题不是“我们是否应该众包吗”，而是“我们应该如何众包”。第二，我们必须放弃稻草人思维：数百名不熟悉所讨论问题的读者的观点比某位菲尔兹奖获得者的推荐更为重要。与期刊时代一样，权威性和专业性也是网络时代的核心。不同之处是基于论文的学术信息交流系统使用主观的标准去发现权威，基于网络的学术信息交流系统则由整个学术界递归地评价权威性。

作为研究者，我们现在正在面临一个独特的机遇：引领交流工具朝着实现我们的价值、造福于学术界的方向前进。我们要做的是：首先，尝试新事物：出版新类型的学术成果、在新地点分享学术成果，用新的计量指标展示成果。好奇与尝试是一项非常重要的学术美德。

第二，勇于承担风险（另一项学术美德）：继续发表更多论文可能很安全，但那些在基于网络的学术成果方面及早建立引领地位的研究者将在网络化学术成果成为主流趋势后占据前沿。最后，抵制那种抓住科学卓越性的某种外部装饰不放，而不是抓住科学卓越性本身的倾向。“发表论文”只是公开科研成果的模式之一和验证学术卓越性的途径之一。是时候来构建基于网络的学术成果传播和过滤体系了！欢迎来到学术信息交流的新时代！

Nature|doi:10.1038/495437a

版权声明：

本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件

Chinapress@nature.com。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。

© 2016 Macmillan Publishers Limited, part of Springer Nature. All Rights Reserved.